vllm-project/vllm

修复 Ernie-4.5-VL 编码器 CUDA graph 多路径输出兼容

建议阅读。变更很小但能体现 vLLM 在处理框架演进与模型适配之间契约漂移的 fix-forward 决策，值得关注的是：1) postprocess_encoder_output 的数据契约从 Tensor 演化为 dict 的设计动机；2) 同类覆写模型（如其他支持 encoder cudagraph 的模型）是否也存在同样的适配风险；3) 类似 revert 与 fix-forward 的决策模式。

升级 MiniJinja 至 2.22，删除 TemplateMap 绕行方案

值得精读。它展示了如何在一个 upstream issue 修复后及时回退本地 workaround，并以真实模型 roundtrip + prompt hash 对比来验证行为等价，是处理"上游修复-本地绕行"类变更的标准范式。关注点：布尔渲染的兼容性验证方式，以及删除自定义 Object 后对序列化语义的影响。此类小步升级也可作为依赖升级 PR 的参考模板。

DockerHub 发布拆成七路并行矩阵，关键路径降至约 40 分钟

值得 CI/发布工程维护者精读，是典型的“串行任务→矩阵并行”改造：TARGET 默认 all 保持向后兼容、target_enabled 统一控制执行域、matrix 与脚本参数一一对应，都是可直接复用的设计。需要注意的短板是没有自动化测试覆盖发布脚本、部分失败语义未处理；也可把它当作“AI 辅助起草 + 人工逐行 review”的协作流程样例来观察。

离线 beam search 跳过 detokenize，提速 1.42×

值得精读。虽然只有 2 行，但它是“通过观察数据流消除无用工作”的教科书式案例：先确认 beam search 排序与解码文本无关，再复用 #46422 已验证的 detokenize=False 模式，并用 sha256 输出一致性 + CPU 交叉验证建立正确性证据。值得关注的设计决策是：把 detokenize=False 同时加在普通路径与结构化输出路径，保持两条分支语义统一；唯一的保守点是没有为依赖 decoded_token 的调用方提供迁移提示，建议在 release note 中说明。

修复 DSV4/3.2 词表重复计数引发的引导解码崩溃

值得精读。这是“小改动、深根因”的典型 bugfix：tokenizer 包装类覆写 `__len__` 会静默破坏结构化输出的 grammar bitmask 宽度，而上游库语义变化（transformers 5.x）让曾经的 workaround 从必要变为有害。建议关注两点：一是作者选择整体删除而非修正公式，避免后续再次失配；二是测试被回退的取舍——若能保留一个极简回归测试（构造 id 落在基础词表内的 added token）会更有长期保障。对结构化输出或 DeepSeek 模型维护者，本 PR 是必读的参考案例。

MRV2 MTP 草稿步间共享 topk index，新增生命周期钩子

值得精读。该 PR 确立了 Model Runner V2 投机解码的生命周期钩子扩展点，是理解后续模型特定 spec decode 优化的钥匙；同时建议补充覆盖 capture/propose 双路径与 num_speculative_steps>1 组合的测试，并关注 propose 中 num_tokens 语义拆分对 EAGLE/DSpark 的潜在影响。

修复 MiMo 窗口注意力路径丢失视觉 sinks

值得精读。两个设计决策很有参考价值：一是用误差表量化区分两种 sinks 语义（key 0 偏置 vs null logit），避免把 `s_aux` 当作等价实现直接接入；二是选择「内核内一步修正」而非「事后 LSE 修正」，以可维护性为优先，并配套性能数据（2-4 倍加速）证明取舍。对多模态模型接入自定义注意力语义、以及向 Triton 内核扩展可选模式的团队有直接借鉴意义。

修复测试 entry_points mock 误屏蔽 NCCL 后端注册

建议快速阅读，重点看 tests/v1/logits_processors/utils.py 中“最小化 mock 范围、其余委派原实现”的模式，以及新增测试用哨兵对象验证委派行为的技巧；可配合 pytorch/pytorch#192062 的根因分析理解整个问题链。无需精读，因无生产代码逻辑。